本篇內容介紹了“R語言與Python數(shù)據(jù)聚合功能的用法介紹”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

成都創(chuàng)新互聯(lián)長期為上千余家客戶提供的網站建設服務，團隊從業(yè)經驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網生態(tài)環(huán)境。為代縣企業(yè)提供專業(yè)的網站設計、成都網站設計，代縣網站改版等技術服務。擁有十余年豐富建站經驗和眾多成功案例,為您定制開發(fā)。

R語言與Python的Pandas中具有非常豐富的數(shù)據(jù)聚合功能，今天就跟大家盤點一下這些函數(shù)的用法。

R語言：

• transform  

• mutate

• aggregate

• grouy_by+summarize

• ddply

Python:

• groupby

• pivot.table

在R語言中，新建變量最為快捷的方式是通過transform(當然你可以選擇使用自定義函數(shù))，該函數(shù)支持基于同一個數(shù)據(jù)框新建多個變量。

這里仍然使用經典的鶯尾花數(shù)據(jù)集演示：

iris1<-iris

transform與mutate兩個函數(shù)都是新建變量，但是前者僅能基于所提供的數(shù)據(jù)框內變量進行新建，而后者則可以直接在新建變量基礎上進行操作。

(iris1<-transform(iris1,dek=Sepal.Length/Sepal.Width,pek=Petal.Length+Petal.Width))

(iris1<-dplyr::mutate(iris1,dek=Sepal.Length+Sepal.Width,jek=sqrt(dek)))

aggregate是專門用于分組聚合的函數(shù)：

aggregate(value~class,data,fun) 

#表達式左側是要聚合的目標度量，右側是分組依據(jù)，緊接著是數(shù)據(jù)框名稱，最后是聚合函數(shù)。

aggregate(Sepal.Length~Species,iris,mean)

aggregate(Sepal.Length~Species,iris,sum)

library(dplyr)

使用group_by函數(shù)結合summarize可以方便的完成分組聚合功能。

iris%>%group_by(Species)%>%summarize(means=mean(Sepal.Length))

iris%>%group_by(Species)%>%summarize(sums=sum(Sepal.Length))

R語言中的分組聚合如果使用矢量函數(shù)來進行操作，會大大提升其執(zhí)行效率：

tapply(iris$Sepal.Length,iris$Species,mean)

tapply(iris$Sepal.Length,iris$Species,sum)

tapply(X, INDEX, FUN = NULL, …, simplify = TRUE)

tapply是一個快捷的分組聚合函數(shù)，其參數(shù)簡單易懂，通過提供一個度量，一個分類別字段，一個聚合函數(shù)即可完成簡答的數(shù)據(jù)聚合功能。

library(plyr)

ddply(iris,.(Species),summarize,means=mean(Sepal.Length))

ddply(iris,.(Species),summarize,means=sum(Sepal.Length))

ddply(.data, .variables, .fun =) #一般只需提供數(shù)據(jù)框，帶聚合分類字段，以及最終的聚合函數(shù)與聚合變量公式。它的用法與內置的tpply用法如出一轍。

----------

Python:

----------

import pandas  as pd

import numpy as np

Python中長用到的數(shù)據(jù)聚合工具主要包括groupby函數(shù)，agg函數(shù)以及povit_table等。

• groupby

• agg

• povit_table

iris=pd.read_csv("C:/Users/RAINDU/Desktop/iris.csv",sep=",")

iris.head()

iris.describe()

使用pandas中的groupby方法可以很快捷的進行分組數(shù)據(jù)聚合。

iris.groupby('Species')['Sepal.Length'].mean()

iris.groupby('Species')['Sepal.Length'].sum()

iris.groupby('Species')['Sepal.Length'].agg([len,np.sum,np.mean])

iris.groupby('Species')['Sepal.Length'].agg({'count':len,'sum':np.sum,'mean':np.mean}) 

 #對輸出進行自定義命名：

只聚合一個變量可以直接使用對應聚合函數(shù)，需要聚合多個變量則可以 借助agg函數(shù)完成。

pd.pivot_table(iris,index=["Species"],values=["Sepal.Length"],aggfunc=[len,np.sum,np.mean],margins=False)

“R語言與Python數(shù)據(jù)聚合功能的用法介紹”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注創(chuàng)新互聯(lián)網站，小編將為大家輸出更多高質量的實用文章！

當前標題：R語言與Python數(shù)據(jù)聚合功能的用法介紹
文章URL：http://m.newbst.com/article8/ihpcop.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供品牌網站建設、動態(tài)網站、軟件開發(fā)、網站導航、App開發(fā)、ChatGPT

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)